論文の概要: TPA-AD: A Two-Stage Pseudo Anomaly-Guided Method for Bearing Time-Series Anomaly Detection

• arxiv url: http://arxiv.org/abs/2606.04073v1
• Date: Tue, 02 Jun 2026 15:39:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.294022
• Title: TPA-AD: A Two-Stage Pseudo Anomaly-Guided Method for Bearing Time-Series Anomaly Detection
• Title（参考訳）: TPA-AD : 時系列異常検出のための2段階擬似異常誘導法
• Authors: Xiancheng Wang, Zhibo Zhang, Ran Li, Rui Wang, Minghang Zhao, Shisheng Zhong, Lin Wang,
• Abstract要約: 2段階の擬似異常誘導型異常検出法を提案する。 通常の境界付近で擬似非正則ウィンドウを生成する。 ノーマルウィンドウと擬似アノマラスウィンドウの対比学習を通じて、異常に敏感な表現を学習する。
• 参考スコア（独自算出の注目度）: 15.271061413934332
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes a two-stage pseudo anomaly-guided anomaly detection method (\textbf{T}wo-stage \textbf{P}seudo \textbf{A}nomaly-guided \textbf{A}nomaly \textbf{D}etection, \textbf{TPA-AD}) for axle-box bearing time-series anomaly detection (time series anomaly detection, TSAD) under the setting where only normal samples are available for training. The method first generates pseudo-anomalous windows near the normal boundary using a reconstruction model and per-feature target-error control. It then learns anomaly-sensitive representations through contrastive learning between normal and pseudo-anomalous windows, and finally produces window-level and point-level anomaly scores using k-nearest neighbors (KNN). Compared with existing methods that rely on known fault categories, real anomaly priors, or random anomaly injection, TPA-AD improves the separability of the normal boundary by constructing pseudo-anomalies in boundary neighborhoods and can jointly handle continuous and discrete features in mixed-variable scenarios. The main experiments are conducted on bearing fault detection datasets and degradation-process datasets, with an additional exploratory extension on $13$ public TSAD datasets. The results show that the proposed method yields relatively stable anomaly responses, is sensitive to degradation evolution, and demonstrates a certain degree of broader applicability on public TSAD benchmarks and real high-speed-train-related bearing data.
• Abstract（参考訳）: 本稿では,2段階の擬似異常検出法 (\textbf{T}wo stage \textbf{P}seudo \textbf{A}nomaly-guided \textbf{A}nomaly \textbf{D}etection, \textbf{TPA-AD}) を提案する。 提案手法は、まず、再構成モデルと機能ごとのターゲットエラー制御を用いて、通常境界付近の擬似非正則ウィンドウを生成する。 その後、正規窓と擬似非正則窓の間のコントラスト学習を通じて異常に敏感な表現を学習し、最終的にk-nearest neighbors (KNN) を用いてウィンドウレベルおよび点レベルの異常スコアを生成する。 TPA-ADは、既知の障害カテゴリ、実際の異常前処理、またはランダムな異常注入に依存する既存の手法と比較して、境界近傍に擬似アナマリーを構築することにより、通常の境界の分離性を改善し、混合変数シナリオにおける連続的および離散的特徴を共同で扱うことができる。 主な実験は、障害検出データセットと劣化処理データセットの取得、さらに13ドルの公開TSADデータセットの探索的拡張である。 提案手法は, 比較的安定な異常応答を示し, 劣化の進行に敏感であり, パブリックTSADベンチマークと実高速列車関連軸受データに対して, ある程度の広い適用性を示す。

関連論文リスト

• Learning Unified Representations of Normalcy for Time Series Anomaly Detection [0.0]
  本稿では,新しいフレームワークUnified Unsupervised Anomaly Detection(textU2textAD$)を提案する。 本手法は, スコアベース生成モデルを用いて, 正規サンプルの基盤となるデータ分布を学習する。 実験により,@textU2textAD$は検出精度において現在の最先端メソッドよりも優れるだけでなく,発生のかなり早い段階で異常を識別できることがわかった。
  論文  参考訳（メタデータ） (2026-05-10T18:12:22Z)
• Enhancing Tabular Anomaly Detection via Pseudo-Label-Guided Generation [35.2283498099342]
  擬似ラベル誘導型異常生成法PLAGを提案する。 PLAGが8つの代表ベースラインに対して最先端のパフォーマンスを達成することを示す。 柔軟なフレームワークとして、PLAGは既存の教師なし検出器とシームレスに統合される。
  論文  参考訳（メタデータ） (2026-04-20T13:42:30Z)
• Calibrating Tabular Anomaly Detection via Optimal Transport [38.82475750342141]
  我々は,サンプル特異的キャリブレーションにより既存のTAD検出器を増強するモデルに依存しない後処理フレームワークであるCTAD(Calibrating Tabular Anomaly Detection)を提案する。 提案手法は,2つの相補分布,すなわちランダムサンプリングによる経験的分布とK平均セントロイドによる構造的分布を特徴付ける。 本研究は, OT距離が試験試料から遠心点までの距離に比例して低いことを証明し, 予測値よりも系統的に高い校正値が得られたことを証明した。
  論文  参考訳（メタデータ） (2026-02-06T15:58:22Z)
• Correcting False Alarms from Unseen: Adapting Graph Anomaly Detectors at Test Time [60.341117019125214]
  グラフ異常検出(GAD)における未確認正規pattErnsの修正のための,軽量かつプラグアンドプレイなテスト時間適応フレームワークを提案する。 意味的混乱に対処するために、シフトしたデータと元のデータとをグラフ属性レベルで整合させるグラフ整合器を用いる。 10個の実世界のデータセットに対する大規模な実験により、TUNEは事前学習されたGADモデルの合成パターンと実際の見えない正常パターンの両方への一般化性を著しく向上することが示された。
  論文  参考訳（メタデータ） (2025-11-10T12:10:05Z)
• Video Anomaly Detection via Spatio-Temporal Pseudo-Anomaly Generation : A Unified Approach [49.995833831087175]
  本研究は,画像のマスキング領域にペンキを塗布することにより,汎用的な映像時間PAを生成する手法を提案する。 さらに,OCC設定下での現実世界の異常を検出するための単純な統合フレームワークを提案する。 提案手法は,OCC設定下での既存のPAs生成および再構築手法と同等に動作する。
  論文  参考訳（メタデータ） (2023-11-27T13:14:06Z)
• CARLA: Self-supervised Contrastive Representation Learning for Time Series Anomaly Detection [53.83593870825628]
  時系列異常検出(TSAD)の主な課題は、多くの実生活シナリオにおいてラベル付きデータの欠如である。 既存の異常検出手法の多くは、教師なしの方法で非ラベル時系列の正常な振る舞いを学習することに焦点を当てている。 本稿では,時系列異常検出のためのエンドツーエンドの自己教師型コントラアスティブ表現学習手法を提案する。
  論文  参考訳（メタデータ） (2023-08-18T04:45:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。